在高校教育中,随着高校招生规模的扩大,在校学生人数达到上万甚至十几万,使得高校教务管理系统中拥有大量学生的成绩数据,但是目前对这些成绩数据的应用还停留在初级阶段,仅仅进行简单的查询及统计工作,造成了对教学信息资源的浪费。本研究的目的就是利用数据挖掘技术,充分挖掘、分析学生成绩数据中隐含的多层次信息,为提高教学绩效提供科学依据。数据挖掘技术可以帮助人们从数据库,特别是数据仓库的相关数据集中提取出感兴趣的知识、规律或更高层次的信息,并可以帮助人们从不同程度上去分析它们,从而可以更有效地利用数据库或数据仓库中的数据。数据挖掘技术不仅可以用于描述过去数据的发展过程,还能够预测未来趋势。分类发现作为数据挖掘的一项重要任务,在科学实验,医疗诊断,气象预报,信贷审核,数据预测,案件侦破等领域有着广泛应用。本文研究了数据挖掘技术的相关理论知识,并对分类算法中的决策树进行了研究,在教育学相关理论背景的支撑下,提出了将决策树中的C5.0算法应用于学生成绩分析,找出影响学生《大学计算机基础》课程成绩的主要因素,并生成决策树模型,利用该模型分析学生成绩优良以及不合格与哪些因素有关,并利用SPSS Clementine实现了数据的自动预处理,并将该方法推广到其它课程,为教师今后的教学和学生的学习提供了依据。